基于 NeRF 的图像合成的 6D 姿态估计领域普适化
原文中文，约300字，阅读约需1分钟。发表于：。本文介绍了一种新的增强方法，通过训练集合的多样性来提高 6D 姿态估计网络的泛化能力。该方法利用神经辐射场从合成图像中生成扩增集合，通过提供（i）未见角度，（ii）外观外推的丰富照明条件，和（iii）随机纹理来丰富初始集合。在太空航天器姿态估计挑战性应用案例上验证了增强方法，并且显示其显著改善了姿态估计的泛化能力。在 SPEED + 数据集上，我们的方法将目标域的姿态误差降低了 50%。
本文介绍了一种通过训练集合的多样性来提高6D姿态估计网络泛化能力的新方法。该方法利用神经辐射场从合成图像中生成扩增集合，通过提供未见角度、外观外推的照明条件和随机纹理来丰富初始集合。验证结果显示，该方法显著改善了姿态估计的泛化能力，在SPEED+数据集上将目标域的姿态误差降低了50%。
